使您的代理能够掌握先进的提示词工程技术，从而最大限度地提高大语言模型 (LLM) 的性能和可靠性。
为生产环境的 AI 应用设计复杂的提示词时
需要实施结构化推理（如思维链）时
构建具有动态示例选择功能的少样本学习 (few-shot learning) 系统时
使用 Pydantic 定义结构化输出模式 (schema)，以实现可靠的解析
实施思维链 (Chain-of-Thought) 提示词，以启发分步推理
选择并平衡少样本示例，以处理复杂的边缘情况
通过迭代的 A/B 测试和精炼来优化提示词性能
你
帮我构建一个提示词，将情感和关键词提取为 JSON。
Agent
我将使用 Pydantic 模式设计一个结构化提示词，以确保模型返回包含 'sentiment'、'confidence' 和 'key_phrases' 字段的有效 JSON。我将包含少样本示例来引导提取，并添加推理步骤以提高准确性。结果将是一个准备好用于生产环境的类型安全提示词模板。
Gives your agent the ability to conduct comprehensive safety, bias, and security reviews of AI prompts while providing optimized improvements based on industry best practices.
赋予您的智能体使用 Playwright 和 Cypress 最佳实践构建、调试和维护可靠的端到端测试套件的能力。
赋予你的智能体在多种语言中实现稳健的错误处理模式的能力，以构建具有弹性且容错的应用程序。
赋予您的代理按照组合和复合组件等现代模式构建可重用 React 组件的能力。
使您的代理能够使用 pytest、fixtures 和 Mock 技术实施全面的 Python 测试策略。
